1樓：
偶然間突然發現這個問題…… 翻了翻回答，槽點太多，有點忍不住了……cummeRbund主要是下游視覺化分析，基於cufflink，cuffdiff的結果；
DESeq2，edgeR是基於count的分析結果；
limma最早是處理晶元資料的，後來有乙個limma voom可以處理RNA-Seq資料；
cuffdiff2的演算法和DESeq2是類似，或者基本上可以認為等同的，統計模型也是一樣的，也是基於count，最後做廣義線性模型，只不過最後輸出了FPKM，比較方便而已。
2樓：kangkang
在分析質樸資料中蛋白組差異表達的時候，用limma比較多。limma的優勢在於樣本量比較少（每組三四個樣本）的時候也可以比較準確區分不同組資料之間的差異。
3樓：
不了解cummeRbund。
limma是幫microarray data找differential expression genes，沒用過limma做RNA-Seq的分析。
edgeR和DESeq/DESeq2都是RNA-Seq的分析包，都是基於negative binomial並且思路有相似的地方，有一篇文章比較系統地比較了現有的RNA-Seq differential expression genes的包
edgeR和DESeq/DESeq2的演算法不同結果肯定會有差異，如果資料量大並且要求比較conservative的話可以像上面答主提到的那樣考慮取並集，如果想得到更多結果的話可以把兩個都跑一下然後從biological sense的角度看一下「重要」的基因在哪個方法被選取上了，做validation看看。
4樓：田魯亦
DESeq、和 EdgeR都是基於count，然後兩個都是NB（negative binomial）但是在估計dispersion parameter的方法上面不一樣。
簡單來說，這些不同的軟體都基於不同的數學假設。
我的建議是用DESeq和EdgeR都跑一邊然後取並集，再根據你的實驗，去用GO， KEGG，蛋白互作，TF binding site等去過濾減少數量。
基因的表達與基因改變是不是有必然聯絡？
李雷 有意思的問題，答案當然是否定的了。最簡單的例子，你忽然給你室友一巴掌，那麼他的基因表達會瞬間發生改變，比如會分泌更多的腎上腺激素來增加勇氣，而這一系列，至少n個基因表達發生了改變，但是他的遺傳物質可沒發生改變啊。總不能一巴掌打出個變異人來吧？當然如果你打順手了，天天打，倒是可能讓你室友的表觀遺...
如果人的大部分基因或者全部基因都表達會怎麼樣？
六華 不可能全部表達的，人的基因會隨著自身環境與周圍環境變化而變化，基因之所以變化只是為了更好地適應環境，當不能很好地適應環境的時候，便會發生疾病，直到被自然環境所淘汰。 伯克利 人的祖先來自海洋，不斷進化過程中，人的形態發生過很多改變。要說以前 人 真的有尾巴我是信的。演變成現在的形態，有很多基因...
近年來，在研究某些基因表達過程中，有人用基因的截短體來表達？
lcy19712018 這是研究基因功能的常用手段，它不是對 一級結構決定高階結構 的否定，而是基於對某個蛋白質結構與功能的深入理解。乙個蛋白的生物功能是由其結構決定的，那麼具體來說，這個蛋白的每個部分都有其用處，就像電腦，主機 顯示器 滑鼠 鍵盤各有用處，整合起來是個完整的電腦，但某些情況下去掉一...